基于句向量和统计特征的自动摘要方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 国外研究现状 | 第8-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 问题分析与总结 | 第11-12页 |
| 1.4 本文主要工作 | 第12-13页 |
| 1.5 本文组织结构 | 第13-14页 |
| 第2章 文本摘要及深度学习的相关技术 | 第14-20页 |
| 2.1 文本摘要的相关技术 | 第14-19页 |
| 2.1.1 TextRank自动文本摘要技术 | 第14-15页 |
| 2.1.2 多目标的自动文本摘要技术 | 第15-16页 |
| 2.1.3 文本摘要的评价指标 | 第16-19页 |
| 2.2 自编码机技术 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 中文摘要数据的构建与处理 | 第20-29页 |
| 3.1 基于微博的中文摘要数据的获取 | 第20-22页 |
| 3.1.1 微博数据及对应正文链接的获取 | 第20-22页 |
| 3.1.2 正文抽取 | 第22页 |
| 3.2 中文摘要数据的过滤 | 第22-28页 |
| 3.2.1 正文链接过滤 | 第23-25页 |
| 3.2.2 微博噪音数据的过滤处理 | 第25-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 基于句向量和统计特征的摘要模型 | 第29-46页 |
| 4.1 词性自编码机句向量生成模型 | 第29-37页 |
| 4.1.1 基于词性的自编码机模型 | 第30-33页 |
| 4.1.2 基于词性自编码机的句向量生成 | 第33-37页 |
| 4.2 相似度自编码机句向量生成模型 | 第37-41页 |
| 4.2.1 基于相似度的自编码机模型 | 第37-39页 |
| 4.2.2 基于相似度自编码机的句向量生成 | 第39-41页 |
| 4.3 统计特征的提取 | 第41-43页 |
| 4.4 文本摘要的生成 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 实验及结果分析 | 第46-64页 |
| 5.1 实验设置 | 第46-48页 |
| 5.1.1 实验硬件环境配置 | 第46页 |
| 5.1.2 评价指标选取 | 第46页 |
| 5.1.3 实验数据预处理 | 第46-48页 |
| 5.1.4 实验总体流程 | 第48页 |
| 5.2 对比算法的实现 | 第48-55页 |
| 5.2.1 Lead算法的实现 | 第48-49页 |
| 5.2.2 TextRank算法的实现 | 第49-51页 |
| 5.2.3 IINCG算法的实现 | 第51-55页 |
| 5.3 实验结果及分析 | 第55-64页 |
| 5.3.1 对比算法结果及分析 | 第55-57页 |
| 5.3.2 本文算法的实验结果及分析 | 第57-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-71页 |
| 致谢 | 第71页 |
